机器学习(浙江大学) 中国大学mooc慕课答案2024版 m261427

第一章 引言 单元小测

1、 以下学习策略中，使用的训练数据只有部分存在标签的是

A:半监督学习
B:无监督学习
C:监督学习
D:以上都是
答案: 半监督学习

2、 下面符合特征选择标准的是

A:越多越好
B:越少越好
C:选择能够反映不同事物差异的特征
D:以上均不对
答案: 选择能够反映不同事物差异的特征

3、 给定一定数量的红细胞、白细胞图像以及它们对应的标签，设计出一个红、白细胞分类器，这属于（）问题

A:监督学习
B:半监督学习
C:无监督学习
D:以上都可以
答案: 监督学习

4、 给定一定数量的红细胞、白细胞图像，但是并不知道图像与标签的对应关系，设计一个红白细胞分类器，这属于（）问题

A:监督学习
B:无监督学习
C:半监督学习
D:以上都可以
答案: 无监督学习

5、 “没有免费的午餐定理”告诉我们

A:没有可以适应一切问题的算法
B:对于一个特定的问题，任何算法都是一样好的
C:设计好的算法是徒劳的
D:我们不能对问题有先验假设
答案: 没有可以适应一切问题的算法

第二章 支持向量机 单元小测

1、 对于在原空间中线性不可分的问题，支持向量机（）

A:在原空间中寻找线性函数划分数据
B:在原空间中寻找非线性函数划分数据
C:利用核函数把数据映射到高维空间
D:无法处理
答案: 利用核函数把数据映射到高维空间

2、 混淆矩阵中FN（False Negative）的含义是（）

A:将正样本识别为正样本的数量（或概率）
B:将正样本识别为负样本的数量（或概率）
C:将负样本识别为正样本的数量（或概率）
D:将负样本识别为负样本的数量（或概率）
答案: 将正样本识别为负样本的数量（或概率）

3、 利用混淆矩阵计算识别率的公式是（）

A:TP/（TP+FP）
B:TP/（TP+FN）
C:（TP+TN）/（TP+TN+FP+FN）
D:都不对
答案: （TP+TN）/（TP+TN+FP+FN）

4、 支持向量机只能解决数据线性可分的问题。

A:正确
B:错误
答案: 错误

5、 人为改变支持向量机的阈值可以同时增大TP、FP，从而提升算法的性能。

A:正确
B:错误
答案: 错误

6、 一个凸优化问题可以有多个极值点

A:正确
B:错误
答案: 错误

7、 支持向量机不会受到噪声的影响

A:正确
B:错误
答案: 错误

第三章 人工神经网络 单元小测

1、 （）层神经网络模型可以模拟任意决策面。

A:1
B:2
C:3
D:以上都可以
答案: 3

2、 下列是神经网络中常见的超参数的是（）

A:批大小
B:学习率
C:正则化参数
D:以上都是
答案: 以上都是

3、 在训练神经网络的过程中，如果刚训练几步损失函数的值就开始剧烈抖动，大概率是因为（）

A:学习率过大
B:学习率过小
C:模型已经训练好了
D:以上都不可能造成上述情况
答案: 学习率过大

4、 在神经网络的训练初期，损失函数值很大且下降速度过于缓慢，大概率是因为（）

下方是付费阅读内容：本平台商品均为虚拟商品，无法用作二次销售，不支持退换货，请在购买前确认您需要购买的资料准确无误后再购买，望知悉！

完整答案需点击上方按钮支付5元购买,所有答案均为章节测试答案，购买后上方矩形框将出现已付费的隐藏内容。

不知道怎么购买？点此查看购买教程！